近日,国内首家从事“相干量子计算及光量子计算”研发的高科技公司——玻色量子再次完成数千万元Pre-A轮融资,本轮融资由海贝资本独家投资,这是继2021年连续获得天使轮与天使Plus轮融资之后,玻色量子获得的第三轮融资。
玻色量子成立于2020年底,是国内稀缺的专注于量子计算的海归创业企业之一。创始人&CEO文凯博士是清华基础科学班毕业,美国斯坦福大学博士。创始团队来自斯坦福大学、麻省理工、清华大学、中科院等顶尖学府。
进入2022年,量子计算再次成为两会的热点词汇,“东数西算”这一国家重大工程项目的提出,都标志着我国对于算力基础的需求进一步提升,量子计算也迎来从研究向落地转折,从学术向工程转化的“跨越鸿沟”阶段。北京、安徽、江苏、四川、广东等地政府也相应出台了一系列布局量子计算领域的相关政策与规划建议,大力推进量子计算等前沿技术与数字经济的协同发展,布局未来算力基础。
在这一战略背景下,起源于清华和斯坦福的玻色量子公司,聚焦“光量子计算平台”的硬科技创新,致力于光量子计算的各类型软硬件全平台研发。玻色量子专家团队在光量子领域十载厚积薄发,完全自主研发并实现光量子计算核心器件、关键组件国产化,在光量子稳定制备、光量子的精密测量和稳定控制等技术储备和工程化实现能力上,比肩国际顶尖水平。在此基础上的第一个里程碑产品定位于基于相干伊辛机的相干量子计算硬件产品——天工量子大脑。
国际市场上,光量子计算的代表企业PsiQuantum也在光量子的规模化制备,调控和纠错进行了布局,其公布的路线图计划中的Q1系统代表着光量子计算技术的重大突破,目标打造室温下稳定运行的100万个光量子比特,并提供纠错、容错的光量子计算机。
对于量子计算的发展前景,创始人&CEO文凯博士认为:“光量子是实现大规模量子计算的最佳途径之一,也是破局NISQ(含噪声的中等规模量子计算)时代的首选技术路线。与超导、离子阱等其他主流量子计算技术路线相比,光量子具有高速操作、稳定室温运行、全连接、工程化成熟等四大优越性。”因此,玻色量子将持续聚焦实现大规模光量子计算平台。
目前,玻色量子已与清华大学、北京量子信息科学研究院、光大科技、国防科技大学、天津大学、北京交通大学等国内十余所顶尖高校和研究机构、知名企业达成学术研究及产业化的联合合作,共建技术平台,聚集科研+产业界进行协同创新,于一年时间内完成近20项量子计算相关专利布局,并于2021年12月入选“北京市颠覆性技术研发和成果转化”核心项目,获得北京市科学技术委员会的全力支持,剑指建造大规模光量子计算平台,实现实用化量子计算这一远景目标。
在产业化应用上,玻色量子已经与光大科技联合发布“量子计算+金融”平台,并在新药研发、军工、交通等多个领域完成了突破性进展,稳步迈向0到1的量子计算实用化。
海贝资本是玻色量子此轮融资的独家投资方。由数名成功企业家、资深金融专业人士和互联网创业家组建而成,涵盖创投、风投、产业、创业服务、投行咨询等几大业务板块。重点关注并投资于消费升级、人工智能、大数据、工业4.0、企业服务、产业升级、文创娱乐等具有良好发展前景的行业和领域。
此轮融资后,海贝资本将以自身丰富的行业资源助力玻色量子在各行业领域的多元化合作发展,玻色量子也将持续专注于可扩展、可编程的光量子计算平台的研发和产业落地,建立上下游生态链和产业链,并不断完善量子计算对AI、大数据、企服等各类问题的计算加速应用,以解决未来时代的算力需求,占领全球前沿硬科技发展先机。
好文章,需要你的鼓励
上海交通大学研究团队开发出革命性AI癌症诊断系统,通过深度学习技术分析50万张细胞图像,实现94.2%的诊断准确率,诊断时间从30分钟缩短至2分钟。该系统不仅能识别多种癌症类型,还具备解释性功能,已在多家医院试点应用。研究成果发表于《Nature Communications》,展示了AI在精准医疗领域的巨大潜力。
南华理工大学等机构提出3DFlowAction方法,让机器人通过预测物体3D运动轨迹来学习操作技能。该研究创建了包含11万个实例的ManiFlow-110k数据集,构建了能预测三维光流的世界模型,实现了跨机器人平台的技能迁移。在四个复杂操作任务上成功率达70%,无需特定硬件训练即可在不同机器人上部署,为通用机器人操作技术发展开辟新路径。
这是首个系统性探索跨视角协作智能的综合性研究,由南京大学、东京大学等顶尖机构联合完成。研究团队首次将"第一人称视角"与"第三人称视角"的协作应用进行了全面梳理,提出了三大技术方向和十三个关键任务,涵盖从智能厨房到手术机器人的八大应用场景。这项突破性工作为人工智能向人类认知迈进提供了重要的技术路径和理论基础。
这项由台湾大学与微软研究团队合作的研究探索了使用音频感知大语言模型(ALLMs)作为自动评判员来评估语音生成模型的说话风格。研究设计了"语音风格指令跟随"和"角色扮演"两个任务,测试了四种语音模型的表现,并比较了人类与AI评判的一致性。结果表明,特别是Gemini-2.5-pro模型,其评判结果与人类评判的一致性甚至超过了人类评判者之间的一致性,证明ALLMs可以作为可靠的自动评估工具。同时研究也发现,即使是最先进的语音模型在说话风格控制方面仍有显著改进空间。